🌿 الفصل الثاني — القسم 2.4

التصاميم
المتداخلة

عندما يختلف كل شخص في الفقرات التي يُجيب عليها — كيف تتغير المعادلات والمعاملات والاستنتاجات؟

i:p
الفقرات متداخلة داخل الأشخاص
ν(i:p)
اختلاط ν_i + ν_pi
σ²(Δ)=σ²(δ)
الخطآن غير قابلَين للتمييز
Eρ²=Φ
المعاملان متساويان

المقارنة الأساسية

تصميم p × i مقابل تصميم i:p

الفرق الجوهري: هل يُجيب جميع الأشخاص على نفس الفقرات؟

🔀
التصميم المتقاطع
p × i

كل شخص يُجيب على نفس مجموعة الفقرات. الفقرات مشتركة بين جميع الأشخاص.

i₁
i₂
i₃
i₄
i₅
p₁
p₂
p₃
p₄

كل الخلايا ممتلئة — نفس الفقرات للجميع

يُتيح تقدير ν_i وν_pi منفصلَين → σ²(i) وσ²(pi) مستقلَّين → σ²(Δ) ≠ σ²(δ)
📦
التصميم المتداخل
i:p

كل شخص يُجيب على مجموعة فقرات مختلفة. الفقرات فريدة لكل شخص.

i₁
i₂
i₃
i₄
i₅
p₁
p₂
p₃
p₄

لكل شخص فقراته الخاصة — لا تقاطع

⚠️
ν_i وν_pi مختلطان في ν_(i:p) → σ²(i) وσ²(pi) لا تُفصلان → σ²(Δ) = σ²(δ)
🌍 متى يحدث التداخل في الواقع؟
📝
الاختبارات التكيفية
كل طالب يتلقى فقرات مختارة لمستواه — لا يوجد اختبار مشترك بالكامل
🎯
الاختبارات الموازية
نصفان مختلفان من بنك الأسئلة لمجموعتين مختلفتين — تقييم المقرر
🏫
تقويم البرامج
عينات مختلفة من مهام لكل مجموعة — مثالي لتقييم المنهج وليس الأفراد
الاختلاط (Confounding)

لماذا لا نستطيع فصل σ²(i) عن σ²(pi)؟

الاختلاط هو صميم التصميم المتداخل — وفهمه يُبيِّن كل شيء

المعادلة 2.45 — الاشتقاق الجوهري
ν(i:p)
التأثير المتبقي
في تصميم i:p
=
νi
تأثير الفقرة
(من p×i)
+
νpi
تأثير التفاعل
(من p×i)
🔍 لماذا يحدث الاختلاط؟

في تصميم p×i، يُجيب كل شخص على نفس الفقرات. لذا يمكن مقارنة استجابات أشخاص مختلفين على نفس الفقرة → نُقدِّر تأثير الفقرة ν_i مستقلاً.

في تصميم i:p، كل شخص له فقراته الخاصة. لا توجد فقرة مشتركة بين شخصين → لا يمكن مقارنة أداء شخصين على نفس الفقرة → ν_i لا تُقدَّر بشكل مستقل عن ν_pi.

📊 الأثر على مكوّنات التباين
في p×i: σ²(p) + σ²(i) + σ²(pi) — ثلاثة مكوّنات مستقلة
في i:p: σ²(p) + σ²(i:p) — مكوّنان فقط
العلاقة: σ²(i:p) = σ²(i) + σ²(pi)
⚠️
التبعية الجوهرية لتصميم i:p
مكوّن التباين σ²(i:p) يُقدِّر الاختلاف بين الفقرات داخل كل شخص — ويتضمن في آنٍ واحد اختلاف الصعوبة (σ²i) والتفاعل الفريد بين شخص وفقرة (σ²pi). لا يوجد أي طريقة لفصلهما من بيانات i:p وحدها — تحتاج إلى بيانات متقاطعة p×i للفصل بينهما.
النموذج الخطي

نموذج تصميم i:p — أبسط من p×i

النموذج يحتوي على مكوّنَين فقط بدلاً من ثلاثة في التصميم المتقاطع

📌 نموذج التصميم المتقاطع p × i
Xpi = μ + νp + νi + νpi  (2.5)
ثلاثة تأثيرات: الشخص + الفقرة + التفاعل/المتبقي
ν_i وν_pi مستقلان → يمكن تقدير σ²(i) وσ²(pi) بشكل منفصل
📌 نموذج التصميم المتداخل i:p
Xpi = μ + νp + ν(i:p)  (2.43)
مكوّنان فقط: الشخص + المتبقي المختلط (فقرة + تفاعل)
⚠️
ν_(i:p) = ν_i + ν_pi → اختلاط تام → لا فصل ممكن
خصائص التأثير ν(i:p) — المعادلة 2.44
Epp) = 0
متوسط تأثيرات الأشخاص عبر المجتمع = صفر
Ei(i:p)) = 0
لكل شخص بعينه، متوسط ν_(i:p) عبر فقراته = صفر
E(ν(i:p)) = 0
المتوسط العام لـ ν_(i:p) عبر الكل = صفر
🔬
الفارق عن تصميم p×i
في p×i لا يوجد حد ν_i مستقل في تصميم i:p، والتأثيرات المتبقية مختلفة في المعنى. ينبع هذان الفارقان من حقيقة أن ν_(i:p) يجمع بين ν_i وν_pi.
جدول ANOVA

الجدول 2.7 — ANOVA لتصميم i:p

مقارنة جدول ANOVA للتصميمين: المتقاطع (3 مصادر) مقابل المتداخل (مصدران)

📋 جدول ANOVA — تصميم p × i
المصدرdfMSσ̂²
p nₚ−1 MS(p) [MS(p)−MS(pi)]/nᵢ
i nᵢ−1 MS(i) [MS(i)−MS(pi)]/nₚ
pi (nₚ−1)(nᵢ−1) MS(pi) MS(pi)
3 مصادر → σ²(i) وσ²(pi) منفصلان
📋 جدول ANOVA — تصميم i:p
المصدرdfMSσ̂²
p nₚ−1 MS(p) [MS(p)−MS(i:p)]/nᵢ
i:p nₚ(nᵢ−1) MS(i:p) MS(i:p)
مصدران فقط → σ²(i:p) = σ²(i) + σ²(pi) مختلطان
🔢 صيغ مجاميع المربعات لتصميم i:p
SS(p) — كما في المتقاطع
SS(p) = nᵢΣₚ X̄ₚ² − nₚnᵢX̄²
يقيس تباين متوسطات الأشخاص
SS(i:p) — مجموع التباين داخل كل شخص
SS(i:p) = ΣₚΣᵢXₚᵢ² − nᵢΣₚX̄ₚ²
يقيس تباين الفقرات داخل كل شخص
💡
درجات الحرية لـ i:p
df(i:p) = nₚ(nᵢ−1) — لكل شخص (nᵢ−1) درجة حرية من فقراته المتداخلة. مقارنةً بـ (nₚ−1)(nᵢ−1) في التصميم المتقاطع — عادةً أكبر في المتداخل!
مخطط فن — تصميم i:p (الشكل 2.3)
σ²(p) σ²(i:p) = σ²(i)+σ²(pi) دائرة i:p داخل دائرة p
التداخل: دائرة i داخل دائرة p كاملاً

في مخططات فن لتصميم i:p، تُدرج دائرة الفقرات داخل دائرة الأشخاص — لتعكس أن الفقرات متعشِّشة داخل الأشخاص.

EMS في تصميم i:p
EMS(p) = σ²(i:p) + nᵢ σ²(p)
EMS(i:p) = σ²(i:p)
نفس المنطق كتصميم p×i لكن بمكوّن واحد مختلط
دراسة D

النتيجة الأهم: σ²(Δ) = σ²(δ) في تصميم I:p!

الفارق الجذري بين المتقاطع والمتداخل — الخطآن المطلق والنسبي يصبحان واحداً

النتيجة المميزة لتصميم I:p
Δ = δ = XpI − μₚ = ν(I:p)   (2.49)

في تصميم I:p، الخطأ المطلق والخطأ النسبي غير قابلَين للتمييز — وبالتالي σ²(Δ) = σ²(δ) وEρ² = Φ

🔎 لماذا يتساوى الخطآن في تصميم I:p؟
١
في تصميم I:p: كل شخص له صورته الخاصة
Ep XpI = μ + Epνp + Epν(I:p) = μ
٢
أخذ متوسط الأشخاص = أخذ متوسط الصور أيضاً
لأن كل شخص يأخذ صورة مختلفة → Eₚ XₚI يمتص التباين في الصور أيضاً → μI لا وجود لها بشكل مستقل
٣
النتيجة: الخطأ النسبي يُساوي الخطأ المطلق
δpI = ΔpI = XpI − μₚ = ν(I:p)
📐 مكوّنات التباين في دراسة D (تصميم I:p)
σ²(I:p) = σ²(i:p) / nᵢ′  (2.48)
σ²(Δ) = σ²(δ) = σ²(I:p) = σ²(i:p)/nᵢ′  (2.50)

كما في التصميم المتقاطع، زيادة nᵢ′ تُقلِّص تباين الخطأ.

📐 المعاملان في تصميم I:p
Eρ² = Φ = σ²(p) / [σ²(p) + σ²(I:p)]

لأن σ²(δ) = σ²(Δ) → Eρ² = Φ تلقائياً.
هذا يطابق ما يحدث في النظرية التقليدية (الصور المتوازية التقليدية)!

📌
في النظرية التقليدية كل الصور المتوازية لها نفس المتوسط → σ²(I)=0 → σ²(Δ)=σ²(δ). نظرية التعميم تُجسِّد هذا في تصميم I:p!
⚖️ مقارنة شاملة: تصميم p × I مقابل تصميم I:p
p × I (متقاطع)
σ²(Δ) = σ²(i)/nᵢ′ + σ²(pi)/nᵢ′
I:p (متداخل)
σ²(Δ) = σ²(i:p)/nᵢ′ = [σ²(i)+σ²(pi)]/nᵢ′
p × I
σ²(δ) = σ²(pi)/nᵢ′
أصغر من σ²(Δ)
I:p
σ²(δ) = σ²(i:p)/nᵢ′
= σ²(Δ) ← تساوٍ تام!
p × I
Eρ² > Φ عموماً
I:p
Eρ² = Φ دائماً
المثال العددي

مجموعة البيانات الاصطناعية رقم 2 — تصميم i:p

10 أشخاص × 8 فقرات لكل شخص (مجموعات مختلفة) — درجات من 0 إلى 9

🗂️
الجدول 2.8 — البيانات الاصطناعية رقم 2 (تصميم i:p)
الشخص 12345678 المجموعX̄ₚ
p₁26752555374.625
p₂45676757475.875
p₃55465455394.875
p₄59865776536.625
p₅43564564374.625
p₆44476478445.500
p₇26652775405.000
p₈34456664384.750
p₉05455553324.000
p₁₀68766886556.875
ملاحظةالأعداد 1،2،...،8 تمثل فقرات مختلفة لكل شخص في تصميم i:pX̄=5.275
المتوسط العام
X̄ = 5.275
Σₚ X̄ₚ²
286.0313
ΣₚΣᵢ Xₚᵢ²
2430
📋 الجدول 2.9 — نتائج ANOVA و دراسات D
التأثيرdfSSMSσ̂²نᵢ′=4nᵢ′=8
p 962.20 6.9111 0.6108 0.6108 0.6108
i:p 70141.75 2.0250 2.0250 σ²(I:p)=0.5063 σ²(I:p)=0.2531
σ²(δ) = σ²(Δ) 0.5063 0.2531
Eρ̂² = Φ̂ 0.547 0.707
🎛️ أثر عدد الفقرات في تصميم I:p (البيانات الاصطناعية رقم 2)
8
Eρ̂² = Φ̂ = 0.707
σ²(Δ) = σ²(δ) = 0.253
📊
الاستنتاج
اسحب المؤشر
القرار الاستراتيجي

متى تختار التصميم المتداخل I:p على المتقاطع p×I؟

القسم 2.4.2 يكشف ميزة استراتيجية مهمة جداً للتصميم المتداخل في سياقات بعينها

🔑 الميزة الحاسمة: تباين خطأ متوسط المجموعة
تصميم p × I (متقاطع)
σ²(X̄) = σ²(p)/nₚ′ + σ²(i)/nᵢ′ + σ²(pi)/(nₚ′nᵢ′)
يتضمن σ²(i) و σ²(pi) بشكل منفصل
تصميم I:p (متداخل)
σ²(X̄) = σ²(p)/nₚ′ + [σ²(i)+σ²(pi)]/(nₚ′nᵢ′)  (2.52)
= σ²(p)/nₚ′ + σ²(i:p)/(nₚ′nᵢ′)
📉 لماذا σ²(X̄) أصغر في التصميم المتداخل؟

في التصميم المتقاطع: σ²(X̄) يحتوي على σ²(i)/nᵢ′ — حد لا يختفي مع زيادة nₚ′.
في التصميم المتداخل: σ²(X̄) يحتوي على σ²(i)/(nₚ′nᵢ′) — يتقلص مع زيادة nₚ′ أيضاً!

الاستنتاج: تصميم I:p يُعطي تقديرات أكثر اعتمادية لمتوسطات المجموعات!

🔀
تصميم p × I (متقاطع)
الأفضل لقياس الأفراد
✅ مزاياه
  • يُفصل σ²(i) عن σ²(pi) → معلومات تشخيصية أكثر
  • Eρ² > Φ → مناسب للتفسير النسبي
  • متوسطات الفقرات متاحة لتحليل الصعوبة
⚠️ قيوده
  • σ²(X̄) أكبر → تقديرات متوسطات المجموعات أقل دقة
  • تعرّض لأثر ترتيب الفقرات والتعب
🎯
الأنسب عندما: القرارات تتعلق بالأفراد (اجتياز/رسوب، تصنيف)
📦
تصميم I:p (متداخل)
الأفضل لقياس المجموعات
✅ مزاياه
  • σ²(X̄) أصغر → تقديرات متوسطات المجموعات أكثر دقة!
  • تغطية أوسع لكون الفقرات (تنويع أكبر)
  • أقل تعرضاً لأثر التمرن على الفقرات
⚠️ قيوده
  • σ²(i) وσ²(pi) مختلطان → معلومات أقل عن الفقرات
  • Eρ² = Φ → لا تمييز بين النوعين
🎯
الأنسب عندما: القرارات تتعلق بمتوسطات المجموعات (تقويم البرامج، مقارنة المدارس)
📋 الجدول 2.10 — مقارنة تصميمَي دراسة D: p×I وI:p
(اعتماداً على مكوّنات G من مجموعة البيانات الاصطناعية رقم 1)
تصميم p × I (متقاطع)
nᵢ′σ²(δ)σ²(Δ)Eρ²Φ
تصميم I:p (متداخل)
nᵢ′σ²(δ)=σ²(Δ)Eρ²=Φ
🔍
الملاحظة الجوهرية
σ²(δ) في I:p = σ²(Δ) في p×I — لكن Eρ² في I:p أصغر من Eρ² في p×I! هذا يعني أن التصميم المتداخل أكثر محافظة في تقدير الاعتمادية الفردية، لكنه أفضل لمتوسطات المجموعات.
الخلاصة الشاملة

ست نقاط جوهرية عن التصاميم المتداخلة

كل ما تحتاج تذكره من القسم 2.4

📦

i:p = كل شخص له فقراته

لا توجد فقرة مشتركة بين شخصين → الفقرات متعشِّشة داخل الأشخاص → تصميم حقيقي للاختبارات التكيفية وتقويم البرامج.

🔀

ν_(i:p) = ν_i + ν_pi

الاختلاط الكامل بين تأثير الفقرة والتفاعل → σ²(i:p) = σ²(i) + σ²(pi) → لا يمكن فصلهما من بيانات i:p وحدها.

σ²(Δ) = σ²(δ) في I:p

النتيجة الأهم: الخطآن المطلق والنسبي لا يتمايزان في التصميم المتداخل — مطابق لافتراض الصور المتوازية في النظرية التقليدية.

🎭

Eρ² = Φ في I:p

نتيجة مباشرة لتساوي تباينَي الخطأ. لا حاجة للاختيار بين المعاملين — كلاهما واحد.

🏫

متوسطات المجموعات أفضل في I:p

σ²(X̄) في I:p < σ²(X̄) في p×I → تقييم البرامج والمقارنة بين المدارس يستفيد من التصميم المتداخل.

🔬

G متقاطعة + D متداخلة = ممكن!

يمكن استخدام مكوّنات من دراسة G متقاطعة (p×i) لتقدير نتائج دراسة D متداخلة (I:p). σ²(i:p) = σ²(i) + σ²(pi) → كلاهما متاح من G المتقاطعة.

🔑 المعادلات الأساسية لتصميم i:p و I:p
ν(i:p) = νi + νpi
σ²(i:p) = σ²(i) + σ²(pi)
σ²(I:p) = σ²(i:p)/nᵢ′
σ²(Δ) = σ²(δ) = σ²(I:p)
Eρ² = Φ
σ²(X̄)I:p < σ²(X̄)p×I